[发明专利]一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法

权利要求书

1.一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法，其特征是：首先采用一维快速傅里叶变换分别求出织物图像的横向和纵向基本循环周期的大小，即一个周期所包含的像素数，然后对织物图像分别进行水平和垂直索贝尔算子滤波处理；在此基础上，依据织物纹理基本循环周期以及遍历法原理计算出织物纹理的四个极值灰度统计量作为细节特征，所述的四个极值灰度统计量特征分别为横向边缘极大统计量、横向边缘极小统计量、纵向边缘极大统计量和纵向边缘极小统计量，由此提取的四个特征分别表征了织物纹理的横向边缘的两个极端细节统计信息和纵向边缘的两个极端细节统计信息；

所述的织物纹理特征向量的四个极值灰度统计量特征的提取过程如下：

对原始织物图像矩形窗口W进行索贝尔算子水平滤波，经滤波后的图像记为W_h，

在滤波后的织物图像矩形窗口W_h中建立矩形子窗口W₂，所述的矩形子窗口W₂的长度等于滤波后的织物图像矩形窗口W_h的长度，所述的矩形子窗口W₂的宽度等于织物纹理纵向基本循环周期长度即行最小周期长度，将矩形子窗口W₂以每次固定的步长垂直地滑移以遍历整个W_h，从而相应求得若干个灰度统计量，分别记其中的最小者和最大者为E₁和E₂，E₁即为横向边缘极小统计量，E₂即为横向边缘极大统计量；

对原始织物图像矩形窗口W进行索贝尔算子垂直滤波，经滤波后的图像记为W_v，在滤波后的织物图像矩形窗口W_v中建立矩形子窗口W₁，所述的矩形子窗口W₁的长度等于织物纹理横向基本循环周期单位长度即最小列周期长度，所述的矩形子窗口W₁的宽度等于滤波后的织物图像矩形窗口W_v的宽度，将矩形子窗口W₁以每次固定的步长水平地滑移以遍历整个W_v，从而相应求得若干个灰度统计量，分别记其中的最小者和最大者为E₃和E₄，E₃即为纵向边缘极小统计量，E₄即为纵向边缘极大统计量；

最终得到作为细节特征的表征织物纹理的特征向量[E₁E₂E₃E₄]。

2.如权利要求1所述的一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法，其特征在于，所述的灰度统计量为仙农熵、对数能量熵、p-范数熵、灰度均值、标准差、偏度或峰度。

3.如权利要求1所述的一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法，其特征在于，所述的织物为机织物。

4.如权利要求1所述的一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法，其特征在于，所述的织物纹理图像的横向与纬纱方向一致，而织物纹理图像的纵向与经纱方向一致，旨在更好地发挥Sobel算子水平和垂直滤波的效果，从而更好地表征织物纹理的纬纱信息和经纱信息。

5.如权利要求1所述的一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法，其特征在于，所述的固定的步长为1～3像素。

6.如权利要求1所述的一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法，其特征在于，矩形子窗口W₁每次的水平滑移步长与W₂每次的垂直滑移步长不必相同。